OCT无创血糖检测图像处理最优化方法研究

为了解决不同的光学相干层析(OCT)图像预处理方式对皮肤真皮层散射系数计算影响的问题,提高无创血糖的测量精确度,提出了一种对OCT图像数据前期处理的最优化方法。在对采集的3维图像数据进行皮肤表面对齐、3维重建、1维平均处理的基础上,分析了背景噪声和数据是否归一化对血糖预测精度的影响,并结合临床实验进行了验证。结果表明,预测误差较预处理之前减小了18.31%。该研究对于提高基于OCT技术的光学无创血糖测量精度具有重要的参考价值。     

基于混沌理论的电力系统微弱谐波检测方法研究

针对微弱谐波信号时频域分析检测方法在宽谱环境噪声较强场景中无法识别目标信号的缺陷,首先引入混沌系统的随机共振原理,在信号成分完全未知的情况下,利用随机噪声增强微弱目标信号进行频率盲检。进一步引入Duffing混沌系统,利用其对特定频率周期信号幅值的极高敏感性和噪声抵抗力,对检出的各谐波频率分量进行幅值精准检测。在经典随机共振模型的基础上,通过归一化改进了系统参数。结合Duffing混沌系统模型,设计了实时检测控制策略。通过粒子群寻优算法,以系统输入输出信号的互相关系数为适应度函数,寻找最优系统参数。对强随机噪声背景下的多整次谐波与间谐波混叠的谐波信号进行了仿真实验。结果表明,所提方法能在恶劣的噪声环境中,实现各谐波分量的无差频率检测与高精度幅值检测。     

多姿态图像生成的行人重识别算法研究

不同行人的高度相似性以及相同行人外观姿态的差异性,使得不同摄像头下的行人重识别面临严峻的挑战。生成对抗网络可以合成新的图像,被认为是解决行人姿态变化的主要技术手段。提出一种基于多姿态图像生成的行人重识别算法,利用生成对抗网络生成不同姿态的行人图像,通过归一化消除姿态的影响,从而大幅度提升行人重识别的整体性能。该行人重识别算法包括多姿态行人图像生成、不同姿态的行人特征提取与融合、距离度量和重排序三部分内容。在Market-1501数据集和DukeMTMC-ReID数据集上的实验证实了所提出算法的有效性,通过与state-of-the-art行人重识别方法比较,展示了多姿态图像生成方法在行人重识别任务中的优越性,同时表明生成行人图像的特征与原始图像的特征是相互补充的。     

基于改进VGG16模型的人脸情绪识别预测研究

人脸情绪识别是人类沟通交流中的重要一部分,所以正确识别人脸情绪可以保证高质量的沟通效果。文章提出改进的VGG16模型作用于人脸情绪识别的预测研究。改进模型引入正负例样本均衡化来解决数据集分布不均衡的现象,从而优化局部最小值和过拟合现象;为了提高模型训练的泛化能力,引入局部归一化对图像数据集进行处理;利用交叉验证机制提高模型训练的精确度,且修改VGG16模型第一个全连接层为全卷积层以适应任意大小的输入样本。最后采用IM-VGG16、VGG16和ResNet18模型分别对数据集进行6分类识别。实验表明,与ResNet18和VGG16模型相比,IM-VGG16模型具有更高的情绪识别准确度,其最终的识别准确度为89.92%。     

数据归一化方法综述

当今,人工智能已经广泛应用到各个领域中,并取得了显著的效果。数据归一化是人工智能应用落地中的一个重要环节,它有助于避免神经网络因数据量纲的复杂性对数据进行错误建模。在大数据场景下,相当一部分数据是以流的形式先后到达训练点,所以在流场景下数据归一化研究是当前亟待解决的关键问题。目前关于归一化研究的综述较多,大多仅仅针对于批数据的归一化研究,而缺乏对流数据的归一化方法的总结,不具参考性。在批数据归一化研究基础之上,系统化整理并详尽分析了流数据归一化的相关文献,凝练提出了基于流数据的归一化分类方法,并将数据归一化方法划分为批数据的归一化方法和流数据的归一化方法。同时,对这些方法的原理、优势和可以解决的主要问题进行了对比分析,在不同场景下对数据归一化的未来研究方向进行了展望。     

基于本体追踪的永磁同步电机驱动系统开路故障诊断方法

针对永磁同步电机（PMSM）系统故障间关联性强、异构信息复杂繁多以及传统故障诊断方法无法追溯耦合故障发生的真正原因等问题,提出了基于本体追踪的故障诊断方法。以PMSM驱动系统开路故障为主要研究对象,首先,对PMSM故障诊断领域本体模型进行形式化定义及标准化构建,统一集成PMSM系统中密集的异构信息;其次,在改进归一化误差电流数据分析法能够精准快速地定位故障开关管的基础上,将定量分析所得故障特征及识别结果映射到故障领域本体模型中,扩展了故障诊断范围;最后,经语义Web(SWRL)规则库的预设以及基于规则的推理,融合本体技术进行故障诱因、故障类型等信息的追溯及诊断。经实验验证,该方法提高了各子系统间信息的利用率,能够合理地追溯故障原因,为大型复杂系统的故障诊断提供了一个可共享、易更新的标准化方法。     

基于DeblurGAN的运动模糊图像盲复原算法研究

DeblurGAN方法利用条件生成对抗网络解决了端到端的图像去模糊问题,但存在图像边缘细节恢复不足以及鲁棒性不高的问题,针对此问题,提出一种基于DeblurGAN的运动模糊图像盲复原方法。在生成网络中,采用多尺度卷积核神经网络提取特征,并使用级联空洞卷积扩大神经元的感受野;采用自适配归一化方法代替原来生成器中使用的实例归一化方法。其次,引入了梯度图像L1损失,结合对抗损失和感知损失,将其作为图像去模糊的正则约束,使得生成图像的边缘特征更加清晰。实验结果表明,提出方法复原的图像峰值信噪比数值较DeblurGAN算法高出5.4%,结构相似性指标高出1%;在主观上清晰化效果较好,且消除了网格效应。     

基于改进PSO-Kmeans算法的实际日负荷

有效的实时用户日负荷曲线分类可为电网系统规划、负荷建模、负荷预测及需求侧管理等方面提供依据,同时为电网工作人员实现对负荷模型的判别提供帮助。为此提出一种基于改进PSO进化算法优化K means的日负荷曲线用户行业分类方法。首先利用牛顿插值法对缺失数据进行填补,然后运用定值线性函数对数据归一化,最后采用权重线性递减及同步学习因子改进PSO解决算法易陷入局部最优解的问题,以优化K means分类结果准确性。算例分析表明,PSO Kmeans算法迭代能力强,具有全局寻优能力,且具有一定的鲁棒性,相较于传统K means分类准确率高。     

基于参考图语义匹配的花卉线稿工笔效果上色算法

研究基于参考图像的花卉线稿图的工笔效果上色问题.现有的基于参考图像的线稿图上色算法对工笔花卉画特有的色彩渐变的特点难以学习和模拟;此外通常还要求参考图像与线稿图具有相似的几何布局结构,这也限制了算法的适用性,故而直接采用现有算法难以实现线稿图的工笔效果上色.基于条件生成对抗网(conditional generative adversarial network, CGAN)框架,提出了一种将参考图像与线稿图进行语义匹配的花卉线稿图工笔效果上色算法RBSM-CGAN.该算法在网络结构设计方面,以U型网络(简称U-Net)为生成器基础,设计了2个附加子模块：1)语义定位子模块.该模块预训练了一个语义分割网络,以生成花卉线稿图的语义标签图,该标签图编码后作为自适应实例归一化的仿射参数引入到上色模型中,提升对不同语义区域的识别能力,进而提高颜色定位的准确性.2)颜色编码子模块.该模块提取参考图像的颜色特征,而后将该特征拼接到生成网络解码层的前3层,利用这种方式将颜色信息注入上色模型,与语义定位模块相配合加强算法对渐变色的学习和模拟.另外,算法在网络训练方面改变传统的“工笔花卉原作-花卉线稿图”...     

医用超声源计量比对结果与归一化偏差

依据JJG 639-1998《医用超声诊断仪超声源》组织实施了2015年浙江省"医用超声诊断仪超声源检定装置超声功率"计量比对。有23个计量技术机构参与了计量比对项目。以中国计量科学研究院测量数据与主导实验室测量结果的平均值作为参考量值,采用归一化偏差En算法对参比实验室的测量结果进行一致性评判。针对比对中存在的问题做了研究分析,并就完善医用超声源计量检定提出合理化建议。